2.8. Эмбриологические методы

Эмбриологические методы диагностики базируются на том обстоятельстве, что наиболее уязвимыми к воздействию внешних факторов являются ранние стадии развития многоклеточных организмов. На стадии дробления и на стадии формирования зародышевых органов и тканей даже незначительные воздействия, как правило, приводят к видимым уродствам на более поздних стадиях или даже гибели зародышей. В качестве тест-объектов обычно используют быстро развивающихся и дающих многочисленное потомство животных (рыбы, моллюски, земноводные, насекомые). При выборе объекта учитывают легкость культивирования.

Эмбриологические методы могут служить очень тонким индикатором для диагностики, в том числе и для количественных оценок состояния среды [Пространственно-временная организация онтогенеза, 1998].

2. 9. Паразитологические методы

Биоразнообразие симбионтов (паразитов, комменсалов, мутуалистов), как правило, значительно превышает разнообразие их хозяев [Догель, 1962; Беклемишев, 1970]. Так, на Большом Барьерном рифе водится около 2000 видов рыб, а их паразитофауна представлена более чем 20 000 видов; три вида австралийских промысловых креветок в качестве симбионтов имеют 38 видов организмов из разных систематических групп. Помимо уточнения оценки биоразнообразия по числу видов, учет симбионтов позволяет получать достоверную информацию о качестве среды, так как степень интенсивности инвазии (относительное количество хозяев, имеющих симбионтов) и экстенсивность инвазии (среднее количество симбионтов на хозяине) напрямую зависит от условий, в которых находится популяция хозяев [Кеннеди, 1978]. Многие симбионты более чувствительны к изменениям внешней среды, в частности симбионты водных организмов – к загрязнению и опреснению [Лыскин, Бритаев, Смуров, 2000], а симбионты наземных организмов – к радионуклидам [Пельгунов, Ларченко, 1999]. При оценке разнообразия фауны симбионтов и паразитофауны, в частности, широко используют статистические методы [Смуров, Полищук, 1989; Бугмырин, 2000]. Учет симбиотических, в том числе и паразитических, организмов значительно увеличивает достоверность оценок биоразнообразия, позволяет более точно оценить характер динамических процессов в экосистемах и может быть рекомендован в качестве обязательной части исследования биоразнообразия.

2.10. Популяционные и экосистемные методы

Для целей диагностики и мониторинга среды обитания, в качестве популяционных и экосистемных методов, определяют такие показатели, как численность и биомасса отдельных видов, возраст-ной и половой состав популяций, пространственное размещение отдельных компонентов биологических сообществ, видовой состав и видовое разнообразие сообществ. иногда ограничиваются определением соотношения численностей или биомасс различных таксономически или функционально близких групп видов в сообществах (например, отношение суммарной численности планктонных ракообразных к численности коловраток, соотношение обилия беспозвоночных хищников и детритофагов в почве).

При анализе численности, биомассы, возрастного и полового состава, а также пространственного размещения для целей биодиагностики и мониторинга часто используют виды, чувствительные к воздействию – виды-биоиндикаторы. показатели, получаемые в результате обследования нарушенных или загрязненных территорий, сравнивают с эталонными для данных видов, полученными на чистых и ненарушенных (заповедных) территориях. При анализе широко используются стандартные статистические методы [Смуров, Полищук, 1989]. Надо отметить, что для получения более достоверных долгосрочных прогнозов необходимо наряду с видами-индикаторами отслеживать и изменения, происходящие в популяциях устойчивых видов, способных выдерживать различные дозы воздействий в течение длительного времени. Показатели структуры сообществ, применяемые для целей биодиагностики и рассматриваемые ниже, имеют перед популяционными ряд преимуществ. Эти преимущества связаны, прежде всего, с возможностями получения быстрой и достаточно точной интегральной оценки «здоровья» среды, а также с возможностью, в ряде случаев, диагностировать причины изменений, происходящих в экосистемах [Смуров, 2001].

ВИДОВОЕ РАЗНООБРАЗИЕ

Видовое разнообразие (ВР) – одна из важнейших характеристик сообщества, отражающая сложность его видовой структуры. До недавнего времени считалось, что ВР как характеристика структурной сложности связано с устойчивостью биоценоза и может отражать степень его нарушенности, обеспеченность энергией, степень стабильности среды и др. [Пианка, 1981; Одум, 1986]. Однако накопленный за последние 30 лет фактический материал свидетельствует о том, что прямой связи между сложностью (разнообразием) и устойчивостью сообществ может и не быть [Бигон и др., 1989]. Во всяком случае, уменьшение ВР данного сообщества свидетельствует об упрощении его видовой структуры и о нарушении соотношений между видами по обилию, поскольку ВР включает в себя два компонента – видовое богатство (насыщенность сообщества видами) и выравненность видовой структуры (степень равномерности распределения видов по обилию). Количественными мерами ВР являются различные индексы ВР.

Существует множество (более 30) различных индексов для измерения тех или иных аспектов ВР. Здесь мы приводим лишь наиболее хорошо зарекомендовавшие себя на практике и принятые в качестве нормативных показателей индексы в системах природоохранной службы ряда государств. При вычислении индексов используется число видов в выборке W, величины их обилия n_i (численности, биомассы или другие меры обилия) и суммарное обилие N =  n_i.

Простейшим показателем видового богатства является общее число найденных видов (W). Однако этот показатель зависит от объема выборки и общего числа учтенных организмов (N), что делает его мало пригодным в качестве индекса ВР. Поэтому обычно каким-либо образом нормируют число видов по числу особей в сообществе (в выборке). Это обстоятельство учитывают:

Индекс Менхиника [Menhinick, 1964]: I = W/ √N;

Индекс Маргалефа [Margalef, 1951]: I = (W – 1)/log₂ N.

Значения обоих индексов возрастают с ростом числа видов в выборке. Надо подчеркнуть, что N – это именно число особей, подсчитанное при анализе пробы, а не общая численность, рассчитанная на единицу площади или объема, т. е. не то число, которое обычно приводят в отчетах или статьях, посвященных описанию сообществ и их динамике.

К индексам, учитывающим оба компонента ВР – как число видов, так и характер их распределения по обилию (выравненность), относятся индекс Симпсона и индекс Шеннона – Уиверра:

Индекс Симпсона [Simpson, 1949]:

W N_i•(N_i-1)

L = 1 –  ------------------.

i N•(N-1)

Индекс Шеннона [Shannon, 1949; Margalef, 1968]:

W

H = –  ¦(N_i/N) • log₂ (N_i/N)¦,

i

где N_i – обилие i-го вида; N – суммарное обилие всех W видов.

Индекс Симпсона более чувствителен к изменению обилия самых массовых видов, индекс Шеннона – напротив, к изменениям в обилии редких видов. Поэтому первый предпочтительнее, если исследователя, в первую очередь, интересует характеристика сообщества по доминирующей группе видов. Поэтому его относят к числу так наз. индексов доминирования [Мэгарран, 1992]. Среди последних, по-видимому, практически наиболее удобен обратный индекс Бергера – Паркера, который представляет собой отношение суммарного обилия видов в сообществе к обилию наиболее многочисленного вида [Berger, Parker, 1970]: I_BP = N/N_max.

Индекс Шеннона пользуется неоправданно широкой популярностью, хотя он не имеет каких-либо преимуществ (в особенности при использовании для анализа данных экологического мониторинга) по сравнению с другими интегральными характеристиками сообществ [Воробейчик и др., 1994; Мэгарран, 1992].

МОДЕЛИ РАНГОВЫХ РАСПРЕДЕЛЕНИЙ

В любом сообществе есть виды более обильные и более редкие, причем обильных обычно меньше, чем редких. Ранговым распределением (РР) называется распределение видов (или других групп) по обилию, где виды ранжированы по мере убывания их обилия. Вид РР представляет собой эмпирический закон, отвечающий природе изучаемого экологического объекта. Для объяснения распределений обилия, наблюдаемых в природе, предложено несколько (в настоящее время – более 10) моделей, основанных на различных предпосылках. Эти модели отражают гипотетические представления их авторов о процессах формирования данной видовой структуры, то есть о причинах наблюдаемого соотношения видов. РР могут служить удобным «инструментом» для сравнительного анализа состояния сообществ.

Каждой теоретической модели соответствует определенная форма кривой РР и, соответственно, определенный тип видовой структуры. Разные совокупности видов порождают и разные кривые РР. Сравнивая эти кривые, можно зафиксировать изменения видовой структуры. Непосредственным объектом анализа может быть форма РР или при неизменной общей форме – количественные значения его параметров. Форма РР может характеризовать тип сообщества, сезонные изменения и стадию сукцессии, степень нарушенности среды обитания. В нормальных условиях параметры РР менее лабильны, чем иные характеристики сообщества, например число видов, численность или биомасса. Однако иногда удается выявить сдвиги в видовой структуре раньше (или при меньших концентрациях загрязнителя), чем по численности или числу видов. Конечно, предварительно нужно установить форму и пределы изменчивости РР для ненарушенных сообществ.

Подробные описания наиболее популярных моделей РР приведены в разделе I. Биологическое разнообразие и методы его оценки а также в книге [Э. Мэгарран, 1992] «Экологическое разнообразие и его измерение».

Здесь мы лишь упомянем некоторые из них. Эти модели просты, и часто вполне удовлетворительно описывают различные типы ранговых распределений в природных сообществах. Следует, однако, оговориться, что в подавляющем большинстве случаев предметом исследования в работах, в которых были использованы ранговые распределения, были не сообщества (в том смысле, который вкладывал К. Мебиус в термин «биоценоз»), а группы видов, сходные либо по их образу жизни (например, фитопланктон, зоопланктон), либо по таксономической принадлежности («сообщество» птиц или жужелиц в какой-либо экосистеме), либо по принадлежности к одной и той же жизненной форме (деревья в конкретном лесу).

МОДЕЛЬ «РАЗЛОМАННОГО СТЕРЖНЯ» (вариант 1)

Модель «разломанного стержня» («Broken-stick model») предложена Р. Макартуром [McArthur, 1957]. Она основана на следующих предпосылках: W видов случайно делят среду между собой так, что занимают не перекрывающиеся, но тесно прилегающие друг к другу экологические ниши. Обилие каждого вида N_i пропорционально ширине его ниши. Если среду представить в виде отрезка единичной длины, на долю каждого вида выпадет один из W сегментов этого отрезка, разделенного случайно в W-1 точках. Так должны быть распределены по длине кусочки совершенно однородной стеклянной палочки, разбившейся при падении на пол – отсюда название модели. Тогда ожидаемая доля i-го вида в сообществе равна:

W

N_i = 1/W•  (1/k).√ W

k=i

График РР может быть приблизительно представлен прямой в координатах «обилие – логарифм ранга». Угол наклона прямой определяется только общим числом видов W (и поэтому сильно зависит от объема выборки). Других параметров модель не содержит.

МОДЕЛЬ «РАЗЛОМАННОГО СТЕРЖНЯ» (ВАРИАНТ 2)

Также предложена Р. Макартуром. Представляет собой модификацию описанной выше модели для случая частично перекрывающихся экологических ниш видов при полностью используемой среде (без промежутков между нишами Ожидаемая доля обилия i-го вида равна:

N_i = (√W_(i+1) –√W_i ) /√W.

График представляет собой вогнутую кривую в координатах «ранг – логарифм обилия, форма которой зависит только от общего числа видов W (т. е. также определяется в значительной мере объемом выборки, а не особенностями экологических отношений видов в «сообществе»). Других параметров модель не содержит.

МОДЕЛЬ ГЕОМЕТРИЧЕСКИХ РЯДОВ

Впервые предложена Й. Мотомурой (1932). Экологическая интерпретация этой модели основана на гипотезе «преимущественного захвата ниш» [Уиттекер, 1980]: первый вид – доминант занимает k-ую долю общего количества ресурсов, второй вид – k-ую долю ресурсов, не занятых первым видом, и так далее. Обилие вида пропорционально доле ресурсов, доставшихся ему. Модель приводит к более неравномерному распределению обилия видов, чем модель «разломанного стержня» Мак Артура. Распределение обилия видов образует геометрическую прогрессию, где численность i-го вида равна:

N_i = K • Z ^i-1.

График представляет собой прямую линию в координатах «логарифм обилия – ранг вида». Модель содержит два параметра: K – обилие 1-го, наиболее обильного вида; и Z – доля обилия i-го вида от обилия предыдущего. Модель приводит к более неравномерному распределению обилия видов, чем модель «разломанного стержня» Макaртура. Параметр Z модели отражает степень выравненности видовой структуры и может служить индексом видового разнообразия.

ГИПЕРБОЛИЧЕСКАЯ МОДЕЛЬ

Предложена А. П. Левичем (1977). Теоретически выводится из модели структуры сообщества, лимитированного потребляемыми ресурсами, при логарифмическом распределении потребностей отдельных видов [Левич, 1980]. Приводит к более неравномерному распределению обилия, чем предыдущие модели. По сравнению с моделью Мотомуры, гиперболическая модель лучше описывает более сложные, «целостные» сообщества, выборки большего объема или усредненные по времени или пространству данные. Ожидаемая доля обилия i-го вида:

N_i = K • i^-b.

График РР представляет собой прямую в координатах «логарифм обилия – логарифм ранга». Модель содержит два параметра: К – обилие первого вида; b – мера выравненности видов по обилию. Интерпретация модели аналогична модели геометрических рядов, однако, согласно гиперболической модели, обилия первых видов убывают более резко, а обилия редких видов – более плавно (первая предполагает линейную, а вторая – логарифмическую зависимость потребности в лимитирующих факторах от ранга). По сравнению с моделью Мотомуры, гиперболическая модель лучше описывает более сложные, «целостные» сообщества, выборки большего объема или усредненные по времени или пространству данные. Параметр b модели также аналогичен по смыслу параметру Z предыдущей модели и также может применяться как индекс видового разнообразия.

ПРОЦЕДУРЫ ОЦЕНКИ МОДЕЛЕЙ

Соответствие каждой теоретической модели рангового распределения реальным данным оценивается по двум критериям, взаимно дополняющим друг друга.

1. Квадрат коэффициента линейной корреляции между реальными и теоретическими значениями обилия (% общей дисперсии, объясненный моделью). Чем ближе его величина к 100%, тем лучше соответствие модели.

2. Сумма квадратов отклонений реальных значений от модельных. Чем меньше эта величина, тем лучше соответствие модели. В случае, когда качество аппроксимации двумя (или более) моделями приблизительно одинаково по обоим указанным критериям, можно использовать любую из них.

Оценка параметров моделей и их ошибок

Оба варианта моделей Макартура являются беспараметрическими. Для оценки параметров двух других моделей при расчетах без применения персонального компьютера используется процедура приведения их к линейному виду:

log N_i = log K + (i – 1)•log z – для модели геометрических рядов;

log N_i = log K – b•log i – для гиперболической модели,

где N_i – относительное обилие вида с рангом i; К, z, b – параметры. После линеаризации оценка параметров и их стандартных ошибок проводится методом наименьших квадратов для линейной регрессии (см. например, [Дрейпер, Смит, 1986]). Необходимо различать ошибки параметров данной линии регрессии, о которых шла речь выше (связанные с качеством аппроксимации данного набора чисел), и ошибки, связанные с выборочными флуктуациями (различия между разными пробами, ограниченный объем выборок, погрешности в определении численностей и пр.). Для учета таких ошибок рекомендуется обрабатывать данные в нескольких параллельных пробах. При этом погрешности в параметрах ранговых распределений обычно бывают меньше, чем погрешность иных характеристик сообщества (таких, например, как общая численность, биомасса или число видов).

При наличии компьютера, имеющего соответствующее программное обеспечение, более корректно определять параметры ранговых распределений методами нелинейного оценивания и при этом, в отличие от традиционного подхода, в качестве независимой переменной лучше рассматривать обилие вида, а в качестве зависимой – его ранг. Следует также заметить, что, независимо от типа распределения видов по обилию в любой конкретной пробе, такое распределение обязательно имеет «хвост», образованный редкими видами, представленными в пробе единичными особями. Их попадание в пробу следует рассматривать, как совершенно случайное, а поэтому оно скорее всего должно подчиняться распределению Пуассона. С точки зрения статистики, вопрос, как отличить редкие виды (по отношению к которым ранжировка по обилию вряд ли имеет экологический смысл) от «нередких», является весьма не простым и, во всяком случае, для его решения нельзя предложить какой-либо рецепт, пригодный на все случаи жизни.

За последние 30 лет в отношении экологов к ранговым распределениям произошла определенная «переоценка ценностей». Вообще говоря, серьезная критика в адрес этого подхода высказывалась с самого начала их внедрения в практику экологических исследований. В частности, в ответ на такую критику модели разломанного стержня со стороны Е. Пиелу еще в 1966 году Р. Макартур признал, что «модель служит грубым приближением экологии сообществ, которой нужно позволить умереть естественным путем» (цит. по: [Левич, 1980]). Теперь, почти 40 лет спустя мы, по-видимому, являемся свидетелями этого умирания. Характерно, что в одной из последних монографий, посвященных экологии сообществ [Morin, 1999], из более чем 400 страниц ранговым распределениям посвящено всего 2. Автор подчеркивает, что сделал это главным образом из уважения к исторически сложившимся традициям, а вовсе не потому, что применение этих распределений при изучении сообществ дает какие-либо полезные результаты.

АВС-МЕТОД

Метод сопоставления численности и биомассы (Abundance – Biomass Comparison, ABC) предложен Р. Варвик [Warwick, 1986, 1987] для индикации нарушений в структуре сообщества. В стабильных зрелых сообществах обычно преобладают сравнительно крупные виды животных с «медленной» динамикой (К-стратеги), тогда как в нарушенных сообществах, в нестабильной среде, доминируют, как правило, более мелкие формы с высокой скоростью размножения, с выраженной способностью к колонизации, с высокой, но изменчивой численностью («пионеры», или r-стратеги). На этом и основан АВС-метод сопоставления кривых. По оси Х откладываются (в логарифмической шкале) ранги (номера) видов в порядке уменьшения численности (биомассы), а по оси Y – соответствующий накопленный процент численности (биомассы) сообщества. В стабильных ненарушенных сообществах кривая для численности лежит ниже кривой для биомассы, в сильно нарушенных сообществах – выше. Состояния неустойчивого равновесия или восстановления сообществ после стресса, когда происходит перестройка размерной структуры, дают приблизительно совпадающие или пересекающиеся кривые.

В дополнение к графической информации Мейр и Дере [Meire, Dereu, 1990] предложили цифровой индекс:

АВС =  (B_i – N_i)/W,

где B_i и N_i – накопленные % биомассы и численности i первых по порядку видов, а W – общее число видов. Положительные значения индекса соответствуют ненарушенным, отрицательные – нарушенным сообществам. Этот индекс является весьма чувствительным индикатором естественных нарушений среды обитания и антропогенных стрессов (загрязнения, заморы, дампинг грунта и т. п.). Считается, что он может быть полезен при мониторинге восстановления сообществ после катастрофических загрязнений или стрессового влияния.

Преимущества метода:

- отражает изменения в структуре сообществ более быстро и четко, чем методы, основанные на консервативных показателях – видовом богатстве и разнообразии;

- прост; не требует детального изучения биологии конкретных видов;

- для анализа достаточно 10–15 массовых видов, что исключает необходимость в кропотливых таксономических исследованиях.

Отметим, что метод следует с осторожностью применять в ситуациях, когда в норме преобладают мелкие организмы с высокой, но изменчивой численностью, а также в районах с постоянным стрессовым воздействием среды, При использовании метода следует принимать во внимание сезонные эффекты, связанные с колебаниями численности молоди некоторых видов; существенное значение имеют предельные размеры организмов, включаемых в рассмотрение (например, совместное рассмотрение микро- и макроорганизмов может привести к не интерпретируемым результатам).

Рекомендуется:

1) использовать для контроля одно или несколько предварительно выбранных «эталонных» сообщества;

2) подбирать такие группы организмов, средние размеры и обилие которых наиболее реально отражают функциональное состояние биоты на минимальных площадях, что позволяет существенно снизить затраты на проведение работ.